兩化百科

淺談數據分析、數據挖掘、BI及分析型CRM

  頻道:    發布時間:2017-09-24

市場領域里的數據分析,是用數據來描述過去和現狀。比如到目前為止,前5年的市場份額,及增長率;目前客戶的年齡、地域、收入分布等等。數據分析可以滿足大部分的市場決策需求。描述性統計分析中的頻數、百分比、交叉表、均數間比較、相關分析應該都是數據分析經常用到的統計方法,而且能夠滿足大部分的市場調研,和市場狀況分析的需求。這部分數據分析結果不需要進行驗證,因為它就是在描述事實本身。(抽樣的情況下除外,因為需要對總體進行推斷)

而數據挖掘,是用歷史的數據對將來進行預測的分析,帶有決策的味道。比如數據分析的結果說這是“牛”,是因為,數據明白的標明了“牛”,而數據挖掘的結果說這是“牛”,是因為在數據中有“4條腿”、“吃草”、“產奶”、“體重”等等這些指標,所以我們分析出來說這是“牛”,這個得出結果的過程就是數據挖掘的過程,而結果是需要驗證的,是可能會判斷錯誤的,這也許是“羊”。客戶細分、客戶獲取、客戶響應模型、客戶提升模型(交叉銷售、向上銷售)、客戶流失預警這些都屬于數據挖掘。

但是這些模型具體包含哪些參數,通過什么數據挖掘方法得到的,建立的過程,以及如何驗證的,它們的用途怎樣?在市場營銷的決策中是怎樣的角色。這是接下來要一步步學習和探討的內容。

BI是最近比較熱門的話題,之前我也不知道什么是BI,參與做了一個項目后,有了一些理解。BI實際上是數據分析,而非數據挖掘。CRM等數據庫系統的數據通過ETL加載到BI軟件中,做出一些數據分析的報表。BI之前的工作模式是:從系統中抽取數據,進行數據的清理工作,在EXCEL或者spss中做出這些基礎的數據分析,然后再寫成規則的報告。BI之后的模式是:整個過程變成了自動的,只要點擊想要看到的報告名就可以自動生成了。實際上一個BI項目,是一個系統集成的過程,在這個過程中ETL是核心。

而分析型CRM,目前還不太了解,個人有些疑惑:分析的基礎是數據,數據的質量是決定了一切。BI通過ETL對數據進行了清理和轉換。那分析型CRM需不需要ETL,如果不需要,又如何在數據的輸入端就保證其質量呢,而且還得保證這些數據的粒度都是產生報表時所需的。

 


責任編輯:administrator
                         
上期平码